R语言for循环实现及样本均值与95%置信区间计算问题排查

一、R语言中实现for循环的基本方式 #

R语言的for循环核心语法简洁直接，结构如下：

for (循环变量 in 遍历序列) {
  # 循环内执行的代码逻辑
}

举个简单例子，遍历1到10并打印每个数字：

for (num in 1:10) {
  print(num)
}

你可以根据需求自定义遍历序列（比如向量、列表索引等），在代码块里完成重复计算、数据处理等操作。

二、随机数样本均值与95%置信区间的代码修正 #

你的代码无法正确计算标准差的核心原因是：runif生成的是长度为100的随机数向量，但你用z[i] <- runif(...)赋值时，只把向量的第一个元素存入z的第i个位置，后续计算mean(z[i])和sd(z[i])都是针对单个数值，标准差必然为0，导致置信区间计算完全错误。

修正后的代码如下：

# 提前初始化存储结果的对象，避免循环中动态扩容影响效率
sample_size <- 100
repeat_times <- 50

# 用矩阵存储50次的样本，每行对应一次重复的100个随机数
samples <- matrix(nrow = repeat_times, ncol = sample_size)
means <- numeric(repeat_times)
std_devs <- numeric(repeat_times)
margin_errors <- numeric(repeat_times)
ci_upper <- numeric(repeat_times)
ci_lower <- numeric(repeat_times)

for (i in 1:repeat_times) {
  # 生成[-1,1]区间的随机数样本，存入矩阵第i行
  samples[i, ] <- runif(n = sample_size, min = -1, max = 1)
  # 计算当前样本的均值
  means[i] <- mean(samples[i, ])
  # 计算当前样本的标准差
  std_devs[i] <- sd(samples[i, ])
  # 计算95%置信区间的边际误差
  margin_errors[i] <- 1.96 * (std_devs[i] / sqrt(sample_size))
  # 计算置信区间上下限
  ci_upper[i] <- means[i] + margin_errors[i]
  ci_lower[i] <- means[i] - margin_errors[i]
}

# 查看前5次的计算结果
cbind(均值 = means[1:5], 置信区间下限 = ci_lower[1:5], 置信区间上限 = ci_upper[1:5])

关键修正说明： #

1. 样本存储方式：改用矩阵存储每次的完整样本，确保每个重复的100个随机数都被保留，而不是只存单个元素。
2. 提前初始化对象：在循环前就创建好存储结果的向量/矩阵，避免R在循环中动态扩容对象，提升代码运行效率。
3. 正确引用样本：计算均值和标准差时，取矩阵的第i行samples[i, ]，确保针对完整的100个随机数计算统计量。

内容的提问来源于stack exchange，提问作者Jennifer Cuellar Castrillon